Implementasi k-Means Clustering untuk Analisis Nilai Akademik Siswa Berdasarkan Nilai Pengetahuan dan Keterampilan

Tingkat keberhasilan siswa merupakan cerminan dari kualitas dunia pendidikan. Dunia pendidikan perlu meningkatkan kualitas siswa dan kinerja siswa melalui sarana, prasarana, dan sumber daya manusia. Sistem informasi kini menjadi sumber daya yang dapat digunakan untuk meningkatkan kualitas dan prestasi siswa, dengan melakukan analisis prestasi siswa. Analisis ini dilakukan dengan mengelompokkan prestasi siswa dari kemampuannya dalam menguasai materi pelajaran. Data didapat dari 266 siswa dan 12 mata pelajaran dengan dua kategori penilaian yaitu pengetahuan dan keterampilan sesuai dengan kurikulum 2013. Penelitian ini menggunakan metode k-means clustering, dimana penentuan jumlah cluster-nya ditentukan dengan indeks validitas Davies Bouldin. Tiga kelompok prestasi yang dihasilkan berdasarkan nilai akademik yaitu pintar, sedang, dan cukup. Sebagai pembanding, pengelompokan prestasi siswa ini juga dilakukan dengan melihat nilai pengetahuan saja. Sebanyak 10.15 persen dari keseluruhan siswa mengalami perpindahan cluster. Hasil yang didapat adalah pengelompokan siswa dengan nilai pengetahuan dan keterampilan dapat meningkatkan prestasi siswa.Student success is a reflection of the quality of education. The quality and student performance need to be improved through educational facilities, infrastructure, and human resources. Information system is a technology that can be useful in improving the students’ quality and achievement, by analyzing the student achievements. This analysis is carried out by classifying student achievements from their ability to understand the courses. The data includes 266 students with 12 courses, where each course has two scores, i.e., knowledge score and skill score, based on the 2013 curriculum. This study uses k-means clustering method, where the number of clusters is determined by the Davies Bouldin validity index. Three groups of student achievements are generated based on academic scores, namely high, moderate, and low. As a comparison, the grouping of student achievements is also done by computing the knowledge scores only. About 10.15 percent of all students move to other cluster when calculated with knowledge scores only. As the result, the grouping of students with the knowledge and skill scores can improve the student achievements